Dies ist in erster Linie eine wissenschaftliche Einordnung zum Nachlesen mit allen Quellen. Das Video oben ist die Podcast-Ergänzung dazu und fasst die Kernaussagen in elf Minuten zusammen. Es ist aktuell auf Deutsch und Englisch verfügbar, umschaltbar über die Audiospur-Einstellungen im YouTube-Player.
Zwei Extrempositionen und eine überprüfbare Frage
Die öffentliche Debatte um generative KI kippt zuverlässig in eine von zwei Extrempositionen. Entweder macht die Technologie uns stupide, oder die Sorge ist bloß Angst vor etwas Neuem. Beide Positionen lassen sich dennoch wissenschaftlich prüfen, statt sie einfach nur so hinzunehmen. Was zeigt die Forschung, wenn man Technologiepanik-Muster, kognitives Auslagern, aktive versus passive Mediennutzung und Automation Bias nüchtern nebeneinander- oder sogar zusammenlegt?
Die Technologiepanik-Schleife als altes Muster
Die Kognitionspsychologin Amy Orben hat 2020 beschrieben, was sie den „sisyphischen Zyklus der Technologiepaniken" nennt (Orben, 2020): Neue Medientechnologien lösen fast immer dieselbe Abfolge aus: diffuse Sorge, hastige Korrelationsstudien mit schwacher Beweiskraft, mediale Zuspitzung und Jahre später eine nüchternere Forschungslage, die selten so dramatisch ausfällt wie die ursprüngliche Panik. Das Muster ist alt. Schon in Platons Phaidros warnt Sokrates, die Schrift werde das Gedächtnis verkümmern lassen, weil man sich nicht mehr auf das eigene Erinnern verlasse. Romane, Radio und Fernsehen durchliefen dieselbe Schleife. Jedes Mal wurden dieselben Vokabeln benutzt: Verdummung, Verwahrlosung, Kontrollverlust.
Das entwertet die aktuelle Sorge um KI nicht automatisch. Aber es liefert einen nützlichen Reflex: Bevor man „KI macht dumm" ruft, lohnt sich die Frage, ob man gerade Zeuge eines wiederkehrenden kulturellen Musters wird oder eines tatsächlich neuen Effekts.
Korrelation ist nicht Kausalität
Die meistzitierte aktuelle Studie zum Thema stammt von Michael Gerlich, SBS Swiss Business School, veröffentlicht 2025 (Gerlich, 2025): Eine Befragung von 666 Personen fand einen negativen Zusammenhang zwischen intensiver KI-Nutzung und kritischem Denkvermögen, vermittelt über „kognitives Auslagern" (cognitive offloading), das besonders bei jüngeren Nutzer:innen ausgeprägt sei. Gerlich selbst betont im Paper, dass es sich um eine Korrelation handelt: Die Studie kann nicht sagen, ob KI-Nutzung kritisches Denken schwächt oder ob Menschen mit ohnehin geringerer Neigung zu kritischem Denken die Werkzeuge stärker nutzen. Die Wirkrichtung bleibt offen, und das noch für weitere Zeit, bis Meta-Studien mit großen Stichproben folgen.
Die zweite oft zitierte Studie ist plakativer. Ein Team um Nataliya Kosmyna am MIT Media Lab maß 2025 per EEG die Hirnaktivität von 54 Personen beim Essay-Schreiben, mit KI-Unterstützung, mit Suchmaschine oder ganz ohne Hilfsmittel (Kosmyna et al., 2025). Die reine „Brain-only"-Gruppe zeigte die stärkste und am breitesten vernetzte Hirnaktivität, die KI-Gruppe die schwächste. 83 % der KI-Nutzer:innen konnten hinterher keinen Satz aus dem eigenen Essay zitieren. Das ist ein starkes Bild, und genau deshalb wurde es in den Medien oft unsauber verkürzt zu „KI verblödet das Gehirn".
Die MIT-Studie ist bislang ein Preprint, also nicht regulär fachlich begutachtet. Die Stichprobe ist klein (n = 54), die Aufgabe eng gefasst, und die Autor:innen selbst warnen ausdrücklich davor, aus einer einzelnen Schreibaufgabe eine generelle Aussage über „das Gehirn" abzuleiten. Ein Detail wird in der öffentlichen Debatte fast immer weggelassen: Als Teilnehmende aus der „Brain-only"-Gruppe im vierten Durchlauf erstmals KI nutzen durften, unterschied sich ihr Muster von dem der durchgehenden KI-Gruppe. Das ist ein Hinweis darauf, dass Vorwissen und Nutzungsgeschichte den Effekt mitbestimmen, nicht das Werkzeug allein.
Diese zwei Studien liefern also solide, aber vorsichtig formulierte Ergebnisse. Sie beweisen nicht, dass KI einfach dumm macht, geben aber auch keinen Grund zur Entwarnung.
Auslagern ist keine Erfindung von KI
Kognitives Auslagern ist kein KI-spezifisches Phänomen. Schon 2011 zeigten die Psycholog:innen Betsy Sparrow, Jenny Liu und Daniel Wegner, dass Menschen sich Fakten schlechter merken, wenn sie wissen, dass sie später wieder danach suchen können (Sparrow, Liu & Wegner, 2011). Dafür merken sie sich deutlich besser, wo sie die Information wiederfinden. Das Internet fungiert seither als eine Art externes, geteiltes Gedächtnis (transaktives Gedächtnis). Dasselbe Prinzip gilt für Notizzettel, Adressbücher und die Schrift selbst, vor der schon Sokrates warnte. Auslagern ist also nicht per se Verfall, sondern eine Umverteilung kognitiver Arbeit. Entscheidend ist nicht, ob wir auslagern, sondern ob wir die Fähigkeit behalten, das Ergebnis kritisch zu prüfen.
Konsum, Produktion und Interaktivität
Seit dem Web 2.0 verschwimmt die Grenze zwischen Konsumieren und Produzieren. Schon 1980 nahm der Zukunftsforscher Alvin Toffler diesen Übergang mit dem Begriff „Prosumer" vorweg (Toffler, 1980). Der Medienwissenschaftler Henry Jenkins hat daraus die vermutlich wichtigste Unterscheidung für diese Debatte geschärft (Jenkins, 2006): Interaktivität ist eine Eigenschaft der Technologie, Partizipation eine Eigenschaft der Kultur. Ein Werkzeug kann technisch hochgradig interaktiv sein und trotzdem rein passiv genutzt werden, und umgekehrt.
Genau hier setzt an, was Long und Magerko 2020 als „AI-Literacy" formalisiert haben (Long & Magerko, 2020): ein Kompetenzraster aus 17 Fähigkeiten in fünf Themenfeldern. Es definiert die kritische Bewertung von KI-Ausgaben und den reflektierten Umgang mit Prompts als Kernkompetenz, nicht als Zusatzqualifikation, sondern als Voraussetzung für sinnvolle Nutzung. Prompt-Engineering ist in diesem Rahmen kein technischer Kniff, sondern eine sprachlich-reflexive Handlung: Wer einen Prompt formuliert, trifft Aussagen über das gewünschte Ergebnis, prüft sie gegen die Antwort und iteriert. Das ist strukturell näher an wissenschaftlicher Hypothesenbildung als am bloßen Knopfdruck. Nicht das Werkzeug entscheidet über Kompetenzverlust, sondern ob überhaupt eine Rückfrage gestellt wird.
Unkritisches Vertrauen
Warum kippen manche Menschen dann doch ins unkritische Vertrauen? Die Forschung zu Automation Bias liefert eine nüchterne Antwort: Menschen neigen systematisch dazu, automatisierten Empfehlungen mehr zu vertrauen als der eigenen Einschätzung. Laut einem Literaturüberblick von Microsofts Aether-Forschungsgruppe tritt dieser Effekt selbst bei Fachpersonal auf, und Training allein behebt ihn kaum zuverlässig (Microsoft Aether, 2022). Besonders kontraintuitiv: Je ausführlicher eine KI ihre Antwort „erklärt", desto mehr vertraut man ihr, unabhängig davon, ob die Erklärung inhaltlich trägt. Erklärungen wirken offenbar primär als Kompetenzsignal, nicht als prüfbarer Inhalt.
Sogenannte cognitive forcing functions durchbrechen diesen Automatismus nachweislich: Mechanismen, die eine aktive Stellungnahme erzwingen, bevor die KI-Antwort sichtbar wird. Buçinca, Malaya und Gajos zeigten 2021, dass solche erzwungenen Denkpausen Vertrauens-Überschuss deutlich wirksamer reduzieren als zusätzliche Transparenz oder Erklärtexte (Buçinca, Malaya & Gajos, 2021). Strukturierte Analysemethoden wie das Pareto-Prinzip, die Eisenhower-Matrix oder die SWOT-Analyse sind im Kern genau solche erzwungenen Denkpausen: Man muss erst durch die Methode hindurch, bevor man urteilt.
Unbekümmerte Hedonisten im Kontext der KI
Eine eigene medienwissenschaftliche Beobachtung lässt sich an echter Forschung andocken, muss dabei aber sauber eingeordnet werden: Unkritisches KI-Vertrauen passt auffällig zum Profil eines bereits beschriebenen Nutzertyps. Das Deutsche Institut für Vertrauen und Sicherheit im Internet (DIVSI) hat gemeinsam mit dem SINUS-Institut 2012 erstmals sieben Internet-Milieus der deutschen Bevölkerung beschrieben, 2016 aktualisiert (DIVSI/SINUS, 2012; DIVSI, 2016). Die „Unbekümmerten Hedonisten" (je nach Studienwelle 9-18 % der Befragten) nutzen das Netz vor allem spontan, unterhaltungs- und konsumorientiert, machen sich vergleichsweise wenig Gedanken über die dahinterliegende Technik und finden sich mit deren Unsicherheiten pragmatisch ab.
Die DIVSI-Milieustudien wurden vor dem Mainstream-Durchbruch generativer KI erhoben und haben KI-Vertrauen nicht direkt gemessen. Dass dieses Milieu auch KI-Antworten unkritisch vertraut, ist eine plausible Analogie aus eigener Beobachtung, keine von DIVSI selbst erhobene Erkenntnis. Sie passt zur allgemeinen Beschreibung des Milieus (Bequemlichkeit vor Prüfaufwand, geringes Technikinteresse), sollte aber als begründete Hypothese markiert werden, nicht als Studienergebnis zitiert werden.
Statement
Die Forschungslage stützt aktuell eine konditionale, keine deterministische These. Es gibt keine belastbare Evidenz dafür, dass generative KI als Werkzeug per se kognitiv schädlich ist. Es gibt aber solide, vorsichtig zu lesende Evidenz dafür, dass unreflektierte, konsumierende Nutzung mit schwächerem kritischem Denken einhergeht. Und es gibt gute Evidenz aus der Automation-Bias-Forschung dafür, dass strukturierte, aktive Prüfschritte genau diesen Effekt abfedern. Nicht die Maschine macht dumm, sondern das nun anstrengendere Nicht-Mitdenken. Das ist keine steile These mehr, sondern der Punkt, an dem sich Medienpsychologie, Kognitionsforschung und Automatisierungsforschung aktuell treffen. Wissenschaftlich redlich bleibt nur die Ergänzung, dass „die Kiste macht dumm" und „die Kiste macht nicht dumm" an derselben Korrelations-Falle hängenbleiben können. Und eine Analogie wie die zu den „unbekümmerten Hedonisten" sollte klar als Analogie gekennzeichnet sein und nicht als Beleg verkauft werden.
Ausblick
Dass sich Informationen per KI noch schneller wiederfinden lassen, wird das Merkverhalten verändern und mit ihm auch den Habitus, ob man will oder nicht. Die KI-Generation wird sich erneut stärker auf die neue Technologie verlassen. Parallel dazu gewinnt genau die Kompetenz an Bedeutung, die in manchen Curricula unter dem Begriff „Studierfähigkeit" geführt wird: Dinge zu hinterfragen, statt sie blind zu übernehmen. Je leichter und schneller das Finden wird, desto schwerer wiegt die Fähigkeit, das Gefundene zu prüfen.
Quellen
- Orben, A. (2020). The Sisyphean Cycle of Technology Panics. Perspectives on Psychological Science, 15(5). journals.sagepub.com/doi/full/10.1177/1745691620919372
- Platon, Phaidros, 274c-275b (Sokrates' Kritik an der Schrift als Gedächtnisersatz)
- Gerlich, M. (2025). AI Tools in Society: Impacts on Cognitive Offloading and the Future of Critical Thinking. Societies, 15(1), Art. 6. DOI 10.3390/soc15010006
- Kosmyna, N. et al. (2025). Your Brain on ChatGPT: Accumulation of Cognitive Debt when Using an AI Assistant for Essay Writing Task. MIT Media Lab, Preprint. arXiv:2506.08872
- Sparrow, B., Liu, J. & Wegner, D. M. (2011). Google Effects on Memory: Cognitive Consequences of Having Information at Our Fingertips. Science, 333(6043), 776-778. DOI 10.1126/science.1207745
- Toffler, A. (1980). The Third Wave. Bantam Books.
- Jenkins, H. (2006). Convergence Culture: Where Old and New Media Collide. NYU Press.
- Long, D. & Magerko, B. (2020). What is AI Literacy? Competencies and Design Considerations. Proceedings of the 2020 CHI Conference on Human Factors in Computing Systems.
- Microsoft Aether (2022). Overreliance on AI: Literature Review. microsoft.com/research
- Buçinca, Z., Malaya, M. B. & Gajos, K. Z. (2021). To Trust or to Think: Cognitive Forcing Functions Can Reduce Overreliance on AI in AI-assisted Decision-making. Proceedings of the ACM on Human-Computer Interaction, 5(CSCW1), 1-21. DOI 10.1145/3449287
- DIVSI / SINUS-Institut (2012). DIVSI Milieu-Studie zu Vertrauen und Sicherheit im Internet. Hamburg. divsi.de; Update: DIVSI (2016). DIVSI Internet-Milieus 2016. PDF